发信人: pingxing (平行线), 信区: Faculty
标 题: Re: 美国农村公立大学以后的边缘化
发信站: BBS 未名空间站 (Fri Nov 17 13:08:54 2017, 美东)
作为科班出身的职业选手告诉你，AI很难做，一般人甚至一般的国家都做不了。
必须是有很大土地面积，很多原材料，很富裕的经济条件，很多的人才，具备这四要素
才做得到。
AI在日本，德国，美国都不是第一次做了。。。日本已经做了快半个世纪了，美国曾经
三进三出，全部以失败而告终，没有一次不是撒下百亿美元做投资的。
这次再次AI革命兴起，能走到哪一步---没人能知道，只能说比以前几次有了新的技术
制高点，设备完善性。。。
图灵是AI之父，你可以看看他死亡的时间，就知道AI差不多跟你父亲的年龄一样大了，
但依然经久不衰。。。估计到你儿子结婚生子那天，可能他还在津津乐道他那一波的AI
热点。
AI每次兴起的热点不一样，这一波的是大数据和GPU为起点。 90年代那一波是神经网络
为起步；70年代是以知识库为起步；50年代是以计算机本身的简单代替人的基本计算和
基础操作为起步。
【 在 jonahill (像疯一样自由) 的大作中提到: 】
: 艹，楼主说的AI这种东西还用教？理工科的随便看看就会了，论技术含量还不如蓝翔技
: 院，数据科学家的缩写不就是屌丝么。眼界窄没关系，多来这虚心学习学习，不要以为
: 现在“火”的东西就是牛逼的东西，前几年油工多风光，现在呢，呵呵
发信人: pingxing (平行线), 信区: Faculty
标 题: Re: 美国农村公立大学以后的边缘化
发信站: BBS 未名空间站 (Fri Nov 17 13:21:22 2017, 美东)
他们都在反驳你，其实都没说到点子上，都打歪了说偏了
SJSU的定位是应用型的学校，这种课设一直是什么热门学什么，课程难度是很浅的，因
为招生的苗子肯定不是那种GPA4.3的档。所以无论基础课还是专业课，都倾向于通俗易
懂，题目简单，便于大家都考过，都能找一份技能性质的工作，养活自己，这种类型叫
skilled workers.
至于CMU和Cornell这种学校，一百年前就定位好了，属于金字塔顶端的最高级的理论层
面. 100年来，这个理念从未改过，那么可预见的是今后未来10年（咱也活不到2117那
么久就不扯那么远），肯定也不会改变，10年以后的今天，它们依然还是最顶级的研发
型学府，依然能招到GPA 4.3以上的最聪明的世界各国的优秀生。所以他们学什么传统
理论课，没关系，因为理论本身都是十年一个轮回都算短的。
前面有人提到算法，其实算法革命周期更长，过去1百年人类只发明了十几个著名经典
算法，记得最后面的发明都是六七十年代的，几乎没有九十年代以后的（尽管90年对我
们而言也算三十年前了）。
说到AI今天能用到的理论，大部分是40年前就有的。。。好几个非常牛的AI方法论，是
某些著名教授他在读博期间创新的学术成果和毕业论文的一部分。
所以，泛泛地说这些顶级牛校还在钻研传统理论下结论说落伍了，是不客观或者不太了
解学术界的幼稚看法。
【 在 watercastle (红树林) 的大作中提到: 】
: 不得不说，在这样一个信息高速发展的社会，工业界由于pay的不错，加上大城市的集
: 优作用，很多学术水平中上的博士跑到工业界，加上资源充足，做出来的东西已经强于
: 他们的母校很多了。
: 美国农村的公立大学，由于没有相应的工业基地做依傍，吸引不到优质师资，优质生源
: ，在以后，可能越来越式微。
: 我别的不说，就说湾区著名职校，SJSU，人家紧跟时代，14年就在教云计算，现在估计
: 教AI了吧，尼玛农村一流公校，还在那里教几十年前的理论吧。
: 学生以后难找工作，自然恶性循环
计算机发展的相当成熟了，以至于分支特别多。之前我在军版列出为何四大名校并列第
一，不分伯仲，就是因为四个名校的CS领域的热点和长项不一样。就像没有人能把超过
两个领域都做到专家级，因为精力，人力，设备，实验室，还有经验之，都不是一天两
天能积攒下来的。
http://www.mitbbs.com/article_t/Military/49229959.html
CMU的AI体系已经积累了至少50年了。。。李开复那个年代在CMU做的课题，到今天都依
然排在世界前列的，到现在，他当时的设计理念和毕业论文，都没落伍，也没过时。
就因为计算机分支太多了，有点像武林门派一样，各大掌门都有几十年丰厚家底，都有
个世外桃源，都有一套武功秘籍（九阴真经什么什么的），导致了计算机的热门区域，
风水轮流转，今天你搞的部分热了，明天他搞的热了，其实大家都是各司其职，本来就
各自一直在闷头搞，只不过是市场什么时候ready允许你入场了，或者吃瓜群众什么时
候意识到这部分性能是个刚需的时候，这时候才轮到你的领域有头有脸的闪亮登场。
现在是大数据还没太过去，机器人开始兴起了，图像识别，语音识别随着大数据的推广
而快速完善。这是现在。 未来哪个方向再开始热，我们不得而知，但能预见的是之前
火过的，之后再来个梅开二度，也未尝不可。
【 在 jonahill (像疯一样自由) 的大作中提到: 】
: 我wrap up一下吧，其实我就是想提醒一下楼主，只是运气好赶上了好时候偷着乐呵一
: 下就够了，自己几斤几量自己心里没点b数吗，不要以为自己现在工资高心态就飘起来
: 了，而是应该夹紧尾巴好好努力做人。因为一旦失业就去举枪杀老板杀自己的往往都是
: 些以物喜以己悲的2B
发信人: pingxing (平行线), 信区: Faculty
标 题: Re: 美国农村公立大学以后的边缘化
发信站: BBS 未名空间站 (Fri Nov 17 14:20:29 2017, 美东)
顶尖学府的资源很有限，只招很少的数量做faculty，而且tenure非常严苛， 斯坦福
tenure率据说是50%
这样做的原因是不浪费太多资源在一个不擅长的领域。斯坦福曾经推过OS这个领域，最
后失败告终。
90年代曾经推过机器人这个领域，最后也是失败了，因为大环境失败了，第一后果就是
招不到学生，大家都知道找不到工作，这个lab自然办不下去了。
所以，top学校，从治学方针来看，是不能随便撒盐的。。。只能保证在已经很强的分
支里继续强下去，因为一定会有天才苗子过来投标。。。那些不太强的，首先你找不到
那些已经做的很牛的其他学校的faculty，人家不能随便出来跳槽的--这一点大概华人
都理解不了，很多非常牛的白人教授能在山沟里呆一辈子，谁也请不动。。。所以你要
打开一个新领域，新的分支，新的局面，只能招那些年轻的AP，但你还是竞争不过那些
已经和你爹年龄一样大的其他名校的牛人。。。
老外做faculty，和华人的心思区别很大很大的，他们其实很重视忠诚度。 MIT的EECS
我认识几个教授，他们绝对是谁都愿意请的，是他们自己不肯来斯坦福。而斯坦福这里
的教授也绝对是外面谁都乐意请的，也是他们自己不愿意去MIT哈佛。
我导师从年轻时代一直是各大名校的宠儿和娇子，但从来没有换过位置，就是一做下来
就一直呆下去几十年连办公室都没变过，直到退休，他说学校待他不薄，主动给他年薪
提到25万，这薪水MIT哈佛哪个都给的起，但他自己不为所动。
所以我心里挺钦佩这些老科学家的，做学问，就得有这种基本的职业道德。
标 题: Re: 美国农村公立大学以后的边缘化
发信站: BBS 未名空间站 (Fri Nov 17 13:08:54 2017, 美东)
作为科班出身的职业选手告诉你，AI很难做，一般人甚至一般的国家都做不了。
必须是有很大土地面积，很多原材料，很富裕的经济条件，很多的人才，具备这四要素
才做得到。
AI在日本，德国，美国都不是第一次做了。。。日本已经做了快半个世纪了，美国曾经
三进三出，全部以失败而告终，没有一次不是撒下百亿美元做投资的。
这次再次AI革命兴起，能走到哪一步---没人能知道，只能说比以前几次有了新的技术
制高点，设备完善性。。。
图灵是AI之父，你可以看看他死亡的时间，就知道AI差不多跟你父亲的年龄一样大了，
但依然经久不衰。。。估计到你儿子结婚生子那天，可能他还在津津乐道他那一波的AI
热点。
AI每次兴起的热点不一样，这一波的是大数据和GPU为起点。 90年代那一波是神经网络
为起步；70年代是以知识库为起步；50年代是以计算机本身的简单代替人的基本计算和
基础操作为起步。
【 在 jonahill (像疯一样自由) 的大作中提到: 】
: 艹，楼主说的AI这种东西还用教？理工科的随便看看就会了，论技术含量还不如蓝翔技
: 院，数据科学家的缩写不就是屌丝么。眼界窄没关系，多来这虚心学习学习，不要以为
: 现在“火”的东西就是牛逼的东西，前几年油工多风光，现在呢，呵呵
发信人: pingxing (平行线), 信区: Faculty
标 题: Re: 美国农村公立大学以后的边缘化
发信站: BBS 未名空间站 (Fri Nov 17 13:21:22 2017, 美东)
他们都在反驳你，其实都没说到点子上，都打歪了说偏了
SJSU的定位是应用型的学校，这种课设一直是什么热门学什么，课程难度是很浅的，因
为招生的苗子肯定不是那种GPA4.3的档。所以无论基础课还是专业课，都倾向于通俗易
懂，题目简单，便于大家都考过，都能找一份技能性质的工作，养活自己，这种类型叫
skilled workers.
至于CMU和Cornell这种学校，一百年前就定位好了，属于金字塔顶端的最高级的理论层
面. 100年来，这个理念从未改过，那么可预见的是今后未来10年（咱也活不到2117那
么久就不扯那么远），肯定也不会改变，10年以后的今天，它们依然还是最顶级的研发
型学府，依然能招到GPA 4.3以上的最聪明的世界各国的优秀生。所以他们学什么传统
理论课，没关系，因为理论本身都是十年一个轮回都算短的。
前面有人提到算法，其实算法革命周期更长，过去1百年人类只发明了十几个著名经典
算法，记得最后面的发明都是六七十年代的，几乎没有九十年代以后的（尽管90年对我
们而言也算三十年前了）。
说到AI今天能用到的理论，大部分是40年前就有的。。。好几个非常牛的AI方法论，是
某些著名教授他在读博期间创新的学术成果和毕业论文的一部分。
所以，泛泛地说这些顶级牛校还在钻研传统理论下结论说落伍了，是不客观或者不太了
解学术界的幼稚看法。
【 在 watercastle (红树林) 的大作中提到: 】
: 不得不说，在这样一个信息高速发展的社会，工业界由于pay的不错，加上大城市的集
: 优作用，很多学术水平中上的博士跑到工业界，加上资源充足，做出来的东西已经强于
: 他们的母校很多了。
: 美国农村的公立大学，由于没有相应的工业基地做依傍，吸引不到优质师资，优质生源
: ，在以后，可能越来越式微。
: 我别的不说，就说湾区著名职校，SJSU，人家紧跟时代，14年就在教云计算，现在估计
: 教AI了吧，尼玛农村一流公校，还在那里教几十年前的理论吧。
: 学生以后难找工作，自然恶性循环
计算机发展的相当成熟了，以至于分支特别多。之前我在军版列出为何四大名校并列第
一，不分伯仲，就是因为四个名校的CS领域的热点和长项不一样。就像没有人能把超过
两个领域都做到专家级，因为精力，人力，设备，实验室，还有经验之，都不是一天两
天能积攒下来的。
http://www.mitbbs.com/article_t/Military/49229959.html
CMU的AI体系已经积累了至少50年了。。。李开复那个年代在CMU做的课题，到今天都依
然排在世界前列的，到现在，他当时的设计理念和毕业论文，都没落伍，也没过时。
就因为计算机分支太多了，有点像武林门派一样，各大掌门都有几十年丰厚家底，都有
个世外桃源，都有一套武功秘籍（九阴真经什么什么的），导致了计算机的热门区域，
风水轮流转，今天你搞的部分热了，明天他搞的热了，其实大家都是各司其职，本来就
各自一直在闷头搞，只不过是市场什么时候ready允许你入场了，或者吃瓜群众什么时
候意识到这部分性能是个刚需的时候，这时候才轮到你的领域有头有脸的闪亮登场。
现在是大数据还没太过去，机器人开始兴起了，图像识别，语音识别随着大数据的推广
而快速完善。这是现在。 未来哪个方向再开始热，我们不得而知，但能预见的是之前
火过的，之后再来个梅开二度，也未尝不可。
【 在 jonahill (像疯一样自由) 的大作中提到: 】
: 我wrap up一下吧，其实我就是想提醒一下楼主，只是运气好赶上了好时候偷着乐呵一
: 下就够了，自己几斤几量自己心里没点b数吗，不要以为自己现在工资高心态就飘起来
: 了，而是应该夹紧尾巴好好努力做人。因为一旦失业就去举枪杀老板杀自己的往往都是
: 些以物喜以己悲的2B
发信人: pingxing (平行线), 信区: Faculty
标 题: Re: 美国农村公立大学以后的边缘化
发信站: BBS 未名空间站 (Fri Nov 17 14:20:29 2017, 美东)
顶尖学府的资源很有限，只招很少的数量做faculty，而且tenure非常严苛， 斯坦福
tenure率据说是50%
这样做的原因是不浪费太多资源在一个不擅长的领域。斯坦福曾经推过OS这个领域，最
后失败告终。
90年代曾经推过机器人这个领域，最后也是失败了，因为大环境失败了，第一后果就是
招不到学生，大家都知道找不到工作，这个lab自然办不下去了。
所以，top学校，从治学方针来看，是不能随便撒盐的。。。只能保证在已经很强的分
支里继续强下去，因为一定会有天才苗子过来投标。。。那些不太强的，首先你找不到
那些已经做的很牛的其他学校的faculty，人家不能随便出来跳槽的--这一点大概华人
都理解不了，很多非常牛的白人教授能在山沟里呆一辈子，谁也请不动。。。所以你要
打开一个新领域，新的分支，新的局面，只能招那些年轻的AP，但你还是竞争不过那些
已经和你爹年龄一样大的其他名校的牛人。。。
老外做faculty，和华人的心思区别很大很大的，他们其实很重视忠诚度。 MIT的EECS
我认识几个教授，他们绝对是谁都愿意请的，是他们自己不肯来斯坦福。而斯坦福这里
的教授也绝对是外面谁都乐意请的，也是他们自己不愿意去MIT哈佛。
我导师从年轻时代一直是各大名校的宠儿和娇子，但从来没有换过位置，就是一做下来
就一直呆下去几十年连办公室都没变过，直到退休，他说学校待他不薄，主动给他年薪
提到25万，这薪水MIT哈佛哪个都给的起，但他自己不为所动。
所以我心里挺钦佩这些老科学家的，做学问，就得有这种基本的职业道德。
Comments
Post a Comment
https://gengwg.blogspot.com/